การคำนวณด้วยคอมพิวเตอร์ควอนตัมที่ใหญ่ที่สุดจนถึงปัจจุบัน—แต่ยังสายเกินไปหรือเปล่า
หลังจากใช้ความระมัดระวัง—หากไม่ต้องสงสัย—เมื่อ IEEE Spectrum อ้างถึง D-Wave Systems ว่าเป็นหนึ่งใน”ผู้แพ้รายใหญ่” เมื่อสองปีที่แล้วดูเหมือนว่ามีการกลับรายการความคิดเห็นในเอกสารนี้เมื่อเดือนมิถุนายนปีที่แล้ว เมื่อ Spectrum กล่าวถึงการขายคอมพิวเตอร์ควอนตัมครั้งใหญ่ครั้งแรกของ D-Wave ด้วยบทความและการสัมภาษณ์พอดคาสต์ของ CTO ของบริษัท
ในงานครอบคลุมนาโนเทคโนโลยี เราพัฒนา—บางครั้ง—มุมมองที่มีความหวังมากขึ้นเล็กน้อยเกี่ยวกับศักยภาพของเทคโนโลยีเกิดใหม่ การวิจัยขั้นพื้นฐานที่อาจนำไปสู่การใช้งาน เช่น คอมพิวเตอร์ควอนตัมจะถูกผลักดันให้อยู่ในวงจรการพัฒนาได้ง่ายกว่าที่ควรจะเป็น ดังนั้นฉันจึงติดตามการพัฒนาของ D-Wave มาอย่างน้อยเจ็ดปีที่ผ่านมาด้วยความน่าเชื่อถือมากกว่าที่ Spectrum เสนอให้บริษัทก่อนหน้านี้เล็กน้อย
ในการขยายความน่าเชื่อถือของบริษัทในการพัฒนาคอมพิวเตอร์ควอนตัมอย่างต่อเนื่อง D-Wave Systems ได้เผยแพร่บทความ [pdf]ซึ่งแสดงให้เห็นถึงการคำนวณ 84 บิตของการคำนวณตัวเลขแรมซีย์ที่ขึ้นชื่อได้ยาก
ตามที่บทความที่ตีพิมพ์ในวารสาร arXiv ของมหาวิทยาลัยคอร์เนลล์กล่าวว่า “การคำนวณนี้เป็นการทดลองที่ใหญ่ที่สุดของอัลกอริทึมควอนตัมที่มีความหมายทางวิทยาศาสตร์ซึ่งได้ทำมาจนถึงปัจจุบัน”
นักวิจัย D-Wave สามารถคำนวณได้ภายใน 270 มิลลิวินาที นี่คือหนทางไกลจากความสามารถมาก ballyhooed ของคอมพิวเตอร์ควอนตัมปัจจัยจำนวน 15
บล็อกNext Big Future ได้สัมภาษณ์กับ Geordie Rose CTO ของ D-Waveเมื่อเดือนที่แล้ว ซึ่ง Rose เชื่อว่าเอกสารที่บริษัทเผยแพร่นั้นช้ากว่าที่บริษัทอยู่ในการวิจัยจริงๆ ประมาณสองปี
ในบทสัมภาษณ์ของ Brian Wang กับ Rose ของ D-Wave มีการอภิปรายเกี่ยวกับชิป 512-qubit ใหม่ของ บริษัท ซึ่งน่าจะเร็วกว่าชิป 128-qubit ที่ D-Wave กำลังทำงานด้วยตามการคำนวณถึง 1,000 เท่า
ดังที่เราได้เรียนรู้จากพอดคาสต์ของ Steven Cherry กับ Rose ในเดือนมิถุนายน D-Wave สามารถขายการสนับสนุนฮาร์ดแวร์และซอฟต์แวร์มูลค่า 10 ล้านดอลลาร์ เพื่อให้ Lockheed Martin สามารถจัดการกับปัญหาการเพิ่มประสิทธิภาพที่ยากขึ้นได้
ดังนั้น ดูเหมือนว่าปัญหาการปรับให้เหมาะสมจะกลายเป็นตัววัดโดยที่ D-Wave คำนวณว่าการเพิ่มจำนวน qubits บนชิปเป็นสองเท่าจะมีประสิทธิภาพมากเพียงใดในการแก้ปัญหา
จากงาน Next Big Future: “การประยุกต์ใช้ระบบ D-Wave อย่างหนึ่งคือการสร้างแผนการรักษาสำหรับการรักษาด้วยรังสีมะเร็งโดยอาศัยการสแกนร่างกาย 3 มิติ แผนการรักษานี้ใช้เวลา 1 สัปดาห์โดยใช้ระบบ 128 บิต แต่ใช้เวลานาทีกับระบบ 512 บิต”
แม้ว่า D-Wave อาจดูเหมือนอยู่บนทางลาดทางเทคโนโลยีที่ไม่สามารถย้อนกลับได้ ปัญหาหนึ่งที่ระบุในการสัมภาษณ์ในอนาคตอันใกล้คือทุนอาจเริ่มแห้ง
หากเป็นเช่นนั้น ดูเหมือนเกือบจะเป็นเรื่องน่าขันที่หลังจากหลายปีที่ไม่ได้ขายอะไรเลยและดึงดูดเงินทุนจำนวนมาก D-Wave จะขายได้ 10 ล้านดอลลาร์และไม่สามารถหาเงินทุนได้อีก
แต่อนิจจานี่คือโลกแห่งการใช้ทุนในเวลาที่เหมาะสมและในปริมาณที่เหมาะสมกับเทคโนโลยีที่เกิดขึ้นใหม่
ตอนนี้เราทำการคำนวณทางคณิตศาสตร์บ่อยครั้งและง่ายดายด้วยคอมพิวเตอร์อิเล็กทรอนิกส์ดิจิทัล จนลืมไปว่ามีวิธีอื่นในการคำนวณสิ่งต่างๆ อยู่เสมอ ในยุคก่อนหน้านี้ วิศวกรต้องคิดกลยุทธ์อันชาญฉลาดเพื่อคำนวณโซลูชันที่พวกเขาต้องการโดยใช้คอมพิวเตอร์แอนะล็อกประเภทต่างๆ
บางส่วนของคอมพิวเตอร์เหล่านั้นเป็นช่วงต้นอิเล็กทรอนิกส์ แต่หลายคนกลอาศัยเกียร์ , ลูกและดิสก์ , ปั๊มไฮโดรลิคและอ่างเก็บน้ำหรือเหมือน สำหรับการใช้งานบางอย่าง เช่น การประมวลผลข้อมูลเรดาร์รูรับแสงสังเคราะห์ในทศวรรษที่ 1960 การคำนวณแบบแอนะล็อกทำได้แบบออปติคัล แนวทางดังกล่าวทำให้เกิดการคำนวณแบบดิจิทัลเมื่อเทคโนโลยีอิเล็กทรอนิกส์ได้รับการปรับปรุง
อย่างไรก็ตาม น่าแปลกที่นักวิจัยบางคนกำลังสำรวจการใช้คอมพิวเตอร์ออปติคัลแอนะล็อกอีกครั้งสำหรับความท้าทายในการคำนวณในยุคปัจจุบัน นั่นคือ การคำนวณโครงข่ายประสาทเทียม
การคำนวณที่เป็นหัวใจสำคัญของโครงข่ายประสาทเทียม (การคูณเมทริกซ์) นั้นเรียบง่ายในเชิงแนวคิด—ง่ายกว่ามาก กล่าวคือ การแปลงฟูริเยร์ที่จำเป็นในการประมวลผลข้อมูลเรดาร์รูรับแสงสังเคราะห์ สำหรับผู้อ่านที่ไม่คุ้นเคยกับการคูณเมทริกซ์ ให้ฉันลองแก้ปริศนา
เมทริกซ์ก็คือเมทริกซ์ของตัวเลขที่เรียงเป็นแถวและคอลัมน์ เมื่อคุณคูณเมทริกซ์สองตัวเข้าด้วยกัน ผลลัพธ์จะเป็นเมทริกซ์อีกตัวหนึ่ง ซึ่งองค์ประกอบถูกกำหนดโดยการคูณคู่ของตัวเลขต่างๆ (ดึงมาจากเมทริกซ์สองตัวที่คุณเริ่มด้วย) แล้วรวมผลลัพธ์ นั่นคือการคูณเมทริกซ์ก็เท่ากับการคูณและบวกจำนวนมาก
แต่โครงข่ายประสาทเทียมอาจเป็นเรื่องใหญ่ มีหลายชั้น ซึ่งหมายความว่าการดำเนินการทางคณิตศาสตร์ที่จำเป็นในการเรียกใช้มีจำนวนมากมายจนสามารถเก็บภาษีฮาร์ดแวร์ (หรืองบประมาณด้านพลังงาน) ที่มีอยู่ได้ บ่อยครั้งที่หน่วยประมวลผลกราฟิก (GPU) ได้รับการเกณฑ์เพื่อช่วยในการลดจำนวนทั้งหมด วิศวกรไฟฟ้ายังยุ่งอยู่กับการออกแบบชิปวัตถุประสงค์พิเศษทุกประเภทเพื่อทำหน้าที่เป็นตัวเร่งเครือข่ายประสาทหน่วยประมวลผลเทนเซอร์ของ Google น่าจะมีชื่อเสียงที่สุด และตอนนี้ตัวเร่งความเร็วแบบออปติคัลอยู่บนขอบฟ้า
การแยกย่อยของ MIT สองรายการ ได้แก่LightelligenceและLightmatter มีความสำคัญเป็นพิเศษ ที่เพิ่งเริ่มต้นเหล่านี้ขยายตัวออกจากการทำงานบนชิปคอมพิวเตอร์แสงสำหรับการคำนวณประสาทเครือข่ายนักวิจัยเอ็มไอทีตีพิมพ์ในปี 2017
เมื่อไม่นานมานี้ นักวิจัยของ MIT อีกกลุ่มหนึ่ง (รวมถึงสองคนที่มีส่วนร่วมในรายงานปี 2017) ได้พัฒนาวิธีการอื่นสำหรับการคำนวณโครงข่ายประสาทเทียมแบบออปติคัล แม้ว่าจะยังห่างไกลจากการใช้งานเชิงพาณิชย์มาหลายปี แต่ก็แสดงให้เห็นอย่างชัดเจนว่าเลนส์ (หรือการผสมผสานระหว่างออปติกและอิเล็กทรอนิกส์) สามารถใช้ในการคำนวณที่จำเป็นได้อย่างไร
กลยุทธ์ใหม่นี้เป็นทางทฤษฎีทั้งหมด ณ จุดนี้ แต่ Ryan Hamerly หัวหน้าผู้เขียนบทความที่เพิ่งได้รับการตีพิมพ์เกี่ยวกับวิธีการใหม่กล่าวว่า “เรากำลังสร้างการทดลองสาธิต” และในขณะที่อาจต้องใช้เวลาหลายการทดลองและการพัฒนาชิปเป็นเวลาหลายปีเพื่อให้รู้ว่ามันใช้งานได้จริงหรือไม่ วิธีการของพวกเขา “สัญญาว่าจะดีกว่าสิ่งที่สามารถทำได้กับอุปกรณ์อิเล็กทรอนิกส์ในปัจจุบันอย่างมาก” Hamerly กล่าว
กลยุทธ์ใหม่ทำงานอย่างไร ฉันไม่แน่ใจว่าฉันสามารถอธิบายรายละเอียดทั้งหมดได้แม้ว่าฉันจะมีพื้นที่ว่าง แต่ให้ฉันลองเพิ่มรสชาติให้คุณที่นี่
การคูณเมทริกซ์ที่จำเป็นสามารถทำได้โดยใช้ส่วนประกอบง่ายๆ สามประเภท ได้แก่ ตัวแยกลำแสงออปติคัล โฟโตไดโอด และตัวเก็บประจุ นั่นฟังดูค่อนข้างน่าทึ่ง แต่จำไว้ว่าการคูณเมทริกซ์นั้นเป็นเพียงการคูณและการบวกจำนวนมาก ทั้งหมดที่เราต้องการจริงๆ ที่นี่คือกิซโมแอนะล็อกที่สามารถคูณสองค่าเข้าด้วยกัน และกิซโมแอนะล็อกอีกอันเพื่อสรุปผลลัพธ์
ปรากฎว่าคุณสามารถสร้างตัวคูณอนาล็อกด้วยตัวแยกลำแสงและโฟโตไดโอด ตัวแยกลำแสงเป็นอุปกรณ์ออปติคัลที่รับอินพุตออปติคัลสองอินพุตและให้เอาต์พุตออปติคัลสองช่อง หากมีการกำหนดค่าด้วยวิธีใดวิธีหนึ่ง แอมพลิจูดของแสงที่ส่งออกจากด้านใดด้านหนึ่งจะเป็นผลรวมของแอมพลิจูดของอินพุตทั้งสอง แอมพลิจูดของเอาต์พุตอื่นจะเป็นความแตกต่างของอินพุตทั้งสอง โฟโตไดโอดส่งสัญญาณอิเล็กทรอนิกส์ที่เป็นสัดส่วนกับความเข้มของแสงที่กระทบกับมัน
สิ่งสำคัญที่ต้องตระหนักในที่นี้คือความเข้มของแสง (หน่วยวัดของกำลังที่ส่งไป) เป็นสัดส่วนกับแอมพลิจูดยกกำลังสอง ที่สำคัญเพราะถ้าคุณตารางผลรวมของสองสัญญาณแสง (ขอแสดงนี้เป็น+ B ) คุณจะได้รับ2 + 2 AB + B 2 หากคุณตารางแตกต่างจากเดิมสองสัญญาณไฟเหล่านี้ ( AB ) คุณจะได้รับ2 – 2 AB + B 2 ลบอันหลังออกจากอันแรกและคุณจะได้ 4 ABซึ่งคุณจะสังเกตได้ว่าเป็นสัดส่วนกับผลคูณของอินพุตทั้งสอง กและข .
“นี่อาจเป็นเวลาสำหรับเลนส์”
ดังนั้นการปรับขนาดสัญญาณแอนะล็อกอย่างเหมาะสม ตัวแยกลำแสงและโฟโตไดโอดจึงสามารถใช้เป็นตัวคูณอนาล็อกได้ ยิ่งไปกว่านั้น คุณสามารถคูณชุดของตัวคูณเพียงแค่แสดงสัญญาณไฟที่เหมาะสม ทีละตัว ต่อตัวคูณประเภทนี้ ป้อนชุดเอาต์พุตอิเล็กทรอนิกส์ของตัวคูณของคุณลงในตัวเก็บประจุ แล้วคุณจะบวกผลลัพธ์ของการคูณแต่ละครั้ง ได้ผลลัพธ์ที่คุณต้องกำหนดหนึ่งองค์ประกอบในเมทริกซ์ผลิตภัณฑ์ ล้างและทำซ้ำหลาย ๆ ครั้งและคุณเพิ่งคูณเมทริกซ์สองตัว!
มีการจัดการทางคณิตศาสตร์อื่นๆ ด้วยเช่นกัน ที่คุณต้องใช้โครงข่ายประสาทเทียม โดยเฉพาะอย่างยิ่ง คุณต้องใช้ฟังก์ชันกระตุ้นที่ไม่เป็นเชิงเส้นกับเซลล์ประสาทแต่ละเซลล์ แต่สามารถทำได้ง่ายด้วยระบบอิเล็กทรอนิกส์ คำถามคืออัตราส่วนสัญญาณต่อสัญญาณรบกวนชนิดใดที่อุปกรณ์จริงสามารถรักษาไว้ได้ในขณะที่ทำทั้งหมดนี้ ซึ่งจะควบคุมความละเอียดของการคำนวณที่ดำเนินการ ความละเอียดนั้นอาจไม่สูงมาก “นั่นเป็นข้อเสียของระบบแอนะล็อก” Hamerly กล่าว อย่างมีความสุข อย่างน้อยสำหรับการคำนวณอนุมาน (ในระหว่างที่โครงข่ายประสาทเทียมที่ได้รับการฝึกมาแล้วทำหน้าที่ของมัน) ความละเอียดที่ค่อนข้างต่ำก็เป็นเรื่องปกติ
เป็นการยากที่จะรู้ว่าชิปเร่งความเร็วแบบไฟฟ้า-ออปติคัลที่ออกแบบตามเส้นเหล่านี้จะคำนวณได้เร็วแค่ไหน Hamerly อธิบาย เพราะปกติเมตริกที่ใช้ในการตัดสินประสิทธิภาพดังกล่าวจะขึ้นอยู่กับปริมาณงานและพื้นที่ของชิป และเขายังไม่ได้เตรียมที่จะประมาณการประเภทใด ของพื้นที่ที่ชิปที่เขาจินตนาการไว้นั้นต้องการ แต่เขามองโลกในแง่ดีว่าวิธีนี้สามารถลดพลังงานที่จำเป็นสำหรับการคำนวณดังกล่าวได้
อันที่จริง Hamerly และเพื่อนร่วมงานของเขาโต้แย้งว่าวิธีการของพวกเขาอาจใช้พลังงานน้อยกว่าแม้แต่ค่าต่ำสุดทางทฤษฎีสำหรับอุปกรณ์ดิจิทัลแบบใช้เกทที่มีความแม่นยำเทียบเท่า ซึ่งเป็นค่าที่เรียกว่าขีดจำกัดของ Landauer (เป็นไปไม่ได้ที่จะลดพลังงานของการคำนวณให้เหลือน้อยกว่าขีดจำกัดนี้โดยไม่ต้องหันไปใช้การคำนวณแบบย้อนกลับบางรูปแบบ ) หากเป็นเช่นนี้หรือตัวเร่งความเร็วแบบออปติคัลอื่น ๆ บนกระดานวาดภาพ การคำนวณโครงข่ายประสาทเทียมจำนวนมากก็ไม่ต้องสงสัยเลย แสงมากกว่าอิเล็กตรอน
ด้วยความก้าวหน้าอันน่าทึ่งของคอมพิวเตอร์อิเล็กทรอนิกส์ในช่วง 50 ปีที่ผ่านมา คอมพิวเตอร์แบบออปติคัลไม่เคยได้รับแรงฉุดลากเลย แต่บางทีโครงข่ายประสาทเทียมอาจมอบแอปนักฆ่าสำหรับมันได้ในที่สุด Liane Bernstein เพื่อนร่วมงานและผู้เขียนร่วมของ Hamerly กล่าวว่า “นี่อาจเป็นเวลาสำหรับเลนส์”
“อุตสาหกรรมเซมิคอนดักเตอร์จะต้องเจ็บปวดอย่างมากก่อนที่มันจะเข้าสู่สภาวะปกติ” Dan Hutcheson กล่าว
“มันยุ่งเหยิง และมันจะแย่ลงกว่าเดิมมากก่อนที่จะดีขึ้น” เดวิด เฟรนช์กล่าว
“ถ้าเราไม่ขายชิปให้พวกเขา มันจะไม่ใช้เวลานาน [เพื่อให้ตามเราทัน]; มันจะทำร้ายเรา” Mar Hershenson กล่าว
ฝรั่งเศส , ฮัทซ์และHershensonพร้อมกับแอนคิมและพีท Rodriguez, กำลังคุยกันเรื่องสงครามการค้าสหรัฐฯประเทศจีนที่เพิ่มขึ้นเดือนที่ผ่านมาเมื่อสหรัฐอเมริกาวางสื่อสาร behemoth หัวเว่ยในบัญชีดำค้า ทั้งห้าคนเป็นทหารผ่านศึกและนักลงทุนในอุตสาหกรรมเซมิคอนดักเตอร์: ปัจจุบันฝรั่งเศสเป็นประธานของ Silicon Power Technology; Hutcheson เป็น CEO ของVLSI Research ; Hershenson เป็นหุ้นส่วนผู้จัดการของลูกแพร์เวนผู้อำนวยการคิมคือการจัดการของSilicon Valley Bank ‘sชายแดนกลุ่มเทคโนโลยีและ Rodriguez เป็นซีอีโอของการเริ่มต้นศูนย์บ่มเพาะSilicon Catalyst. ทั้งห้าคนขึ้นเวทีที่ฟอรัมอุตสาหกรรมที่สองของ Silicon Catalyst ซึ่งจัดขึ้นในซานตาคลารา รัฐแคลิฟอร์เนีย เมื่อสัปดาห์ที่แล้วเพื่อหารือเกี่ยวกับประเด็นต่างๆ ของสงครามการค้า:
ผลกระทบต่อประเทศจีน
ขโมยทรัพย์สินทางปัญญา
นโยบายการย้ายถิ่นฐาน
เรียกร้องยุทธศาสตร์ชาติ
ขาดเงินลงทุน
ผลกระทบต่อประเทศจีน
นโยบายการค้าที่เข้มงวด ซึ่งทหารผ่านศึกในอุตสาหกรรมเซมิคอนดักเตอร์เหล่านี้คาดหวัง จะส่งผลกระทบต่ออุตสาหกรรมของสหรัฐฯ มากกว่าจีน ฝรั่งเศสกล่าวว่าการบริโภคเซมิคอนดักเตอร์ในจีนอยู่ที่ 40 ถึง 50 เปอร์เซ็นต์ของอุปทานโลก “และจำนวนนั้นจะเพิ่มขึ้นไม่ว่าเราจะขายให้พวกเขาหรือไม่”
อุตสาหกรรมเทคโนโลยีของจีนสามารถทำได้ดีโดยไม่มีชิปของสหรัฐฯ หรือไม่? ผู้ร่วมอภิปรายอภิปรายคำถาม
“ฉันคิดว่าจีนจะต้องต่อสู้กับความทรงจำ” ฮัทเชสันกล่าว “ในความทรงจำ ค่าใช้จ่ายอยู่ในอุปกรณ์และประสิทธิภาพของการใช้งานแฟบ เพียงร้อยละ 5 ของต้นทุนเป็นค่าแรง นั่นเป็นเรื่องยากสำหรับพวกเขา ที่จะต้องได้รับวัสดุและอุปกรณ์จากทั่วโลก”
ฝรั่งเศสไม่เห็นด้วย “ถ้าเราใช้นโยบายที่จะไม่ขายสิ่งที่ดีที่สุดให้กับจีน” เขากล่าว “หากพวกเขาถูกบังคับให้ใช้ [เทคโนโลยี] ของตัวเอง พวกเขาจะต้องทำแม้ว่ามันจะแย่กว่าเล็กน้อยก็ตาม”
“บางทีพวกเขาสามารถแข่งขันในจีนที่พวกเขาได้รับการคุ้มครอง” ฮัทเชสันโต้กลับ “แต่พวกเขาจะขายนอกประเทศจีนไม่ได้”
ไม่ใช่เรื่องสำคัญ Kim ระบุ “ถ้าคุณเป็นผู้เล่นที่โดดเด่นในประเทศจีน แสดงว่าคุณทำได้ดีแล้ว”
เรื่องการโจรกรรม IP
แต่สิ่งที่เกี่ยวกับการขโมยทรัพย์สินทางปัญญาทั้งหมดนั้น โรดริเกซถามกลุ่ม จีนไม่ควรถูกลงโทษหรือ?
“การขโมยทรัพย์สินทางปัญญาเป็นปัญหาทางอารมณ์ที่ใหญ่ และมีความชอบธรรมในประเด็นนี้” ฝรั่งเศสกล่าว “แต่ฉันไม่คิดว่าจีนเข้ามุมตลาดจากการขโมยทรัพย์สินทางปัญญา ฉันไม่คิดว่าพวกเขาเก่งที่สุดหรือเก่งที่สุด”
“ถ้ามีผู้คนจากอังกฤษในศตวรรษที่ 19” เขารำพึง “พวกเขาจะพูดแบบเดียวกันเกี่ยวกับคนอเมริกัน”
ไม่ว่าในกรณีใด มันเป็นปัญหาระยะสั้น เมื่อทรัพย์สินทางปัญญาที่ปลูกในครัวเรือนของจีน “ถึงระดับที่สำคัญ—และจะ——จีนจะกลายเป็นเรื่องการคุ้มครองทรัพย์สินทางปัญญามากกว่าการเข้าซื้อกิจการ” ฝรั่งเศสกล่าว พร้อมเตือนผู้ชมว่าบริษัทเทคโนโลยีของญี่ปุ่นก็ดำเนินตามแนวทางที่คล้ายคลึงกัน
ฮัทเชสันชี้ให้เห็นอีกครั้งในประวัติศาสตร์ “ชาวยุโรปทุกวันนี้มีความสามารถในการแข่งขันแม้ว่าเราจะขโมยเทคโนโลยีทั้งหมดของพวกเขาไปในศตวรรษที่ 19” เขากล่าว “เราทุกคนรักรถเยอรมัน เราซื้อผลิตภัณฑ์ยุโรป”